La IA está convirtiendo los contratos de SaaS en compromisos de infraestructura.

Se suponía que el SaaS iba a ser el antídoto contra la dependencia de los proveedores tradicionales. Paga mensualmente, recibe actualizaciones continuas y cancela con 90 días de antelación. Todo el modelo se basaba en la flexibilidad. Pero la IA está desmantelando silenciosamente esa promesa, no cambiando las condiciones de la primera página del contrato, sino modificando la naturaleza de lo que realmente estás comprando.

Cuando tu proveedor de servicios en la nube incluye un agente de IA en su paquete de productividad, tu proveedor de CRM incorpora un asistente de IA que aprende a partir de los datos de tu cartera de proyectos, o tu proveedor de ERP implementa un flujo de trabajo basado en agentes que automatiza las decisiones de adquisición, esa «suscripción de software» empieza a parecerse mucho a un contrato de suministro eléctrico. En teoría, puedes cambiar de proveedor, pero el coste real de hacerlo es ahora mucho mayor de lo que nadie tiene en cuenta en el momento de la renovación.

«El contrato que firmaste el año pasado no se parece en nada al que estás cumpliendo hoy, y la mayoría de las organizaciones aún no se han dado cuenta».

Este es el principal reto al que se enfrentan actualmente los responsables de compras, finanzas y tecnología en las empresas: las funciones de inteligencia artificial están transformando las relaciones SaaS, pasando de una lógica de suscripción a una lógica de infraestructura. Las organizaciones que detecten este cambio a tiempo negociarán mejores condiciones, crearán arquitecturas más resilientes y evitarán una nueva generación de dependencia de los proveedores. Las que no lo hagan se verán atrapadas en condiciones que nunca tuvieron intención de aceptar.

Para comprender hasta qué punto han cambiado las cosas, conviene recordar por qué el SaaS revolucionó el mercado del software local en primer lugar. La característica definitoria no fue el menor coste, sino la fungibilidad. Si tu proveedor de software de RR. HH. subía los precios o se quedaba atrás en cuanto a funcionalidades, podías realizar una evaluación comparativa, migrar tus datos y estar operativo en una nueva plataforma en menos de tres meses. El coste de cambio era real, pero estaba limitado y era previsible.

Las políticas de adquisición de las empresas se adaptaron en consecuencia. Los contratos de menor duración se convirtieron en la norma. Los precios basados en el uso ofrecían a los compradores flexibilidad para ampliar su escala sin comprometerse en exceso. Los modelos basados en pruebas piloto permitían a las organizaciones comprobar la idoneidad del servicio antes de firmar contratos plurianuales. Todo el manual de adquisiciones se ajustó partiendo de la premisa de que los proveedores de SaaS eran, en gran medida, intercambiables.

Esto funcionaba porque el valor de un producto SaaS se basaba en el acceso a las capacidades del software: un conjunto de funciones, una interfaz de usuario, una biblioteca de integraciones. El software no te conocía. No aprendía de ti. Tus datos se almacenaban en el sistema, pero la inteligencia del sistema no se desarrollaba en torno a ellos. Cambiar de proveedor significaba trasladar registros estructurados de una base de datos a otra, no desmantelar la comprensión que un modelo entrenado tenía de tu negocio.

El cambio de los modelos de suscripción a los de infraestructura no se está produciendo a través de un único mecanismo. Se trata de la convergencia de tres fuerzas estructurales que se potencian mutuamente. Cada una de ellas es importante por sí sola. En conjunto, representan una nueva realidad en materia de contratación.

1. Gravedad de los datos

Cuando una función de IA se entrena, se ajusta o se mejora continuamente con tus datos propios —tus registros de clientes, tus tickets de asistencia técnica, las transcripciones de tus llamadas de ventas—, la migración deja de ser un problema de exportación de datos y se convierte en un problema de arquitectura de datos.

La migración tradicional de SaaS consistía en trasladar registros estructurados. La migración en la era de la IA implica preguntarse: ¿adónde va a parar el contexto que ha aprendido nuestro modelo? En muchos casos, la respuesta es que no va a ninguna parte. Se queda con el proveedor, integrado en un sistema que ningún formato de exportación puede capturar. Tu inversión en mejorar el rendimiento de esa IA —el etiquetado, los bucles de retroalimentación, el entrenamiento personalizado— representa unos costes de cambio que no aparecen en ningún balance, pero que son muy reales cuando intentas marcharte.

«Cambiar de proveedor de servicios en la nube implica rediseñar la infraestructura. Cada vez más, cambiar de SaaS nativo de IA también lo requiere».

2. Integración de flujos de trabajo

Los copilotos y asistentes de IA no solo realizan tareas, sino que transforman la forma de trabajar de las personas. Cuando un equipo de ventas pasa doce meses trabajando junto a una IA que redacta sus correos electrónicos de seguimiento, identifica los riesgos de las operaciones y recomienda los siguientes pasos, esas personas reestructuran sus hábitos profesionales en función de los resultados de la IA. El coste de cambio ya no es solo técnico, sino también conductual y organizativo.

Se trata de una forma de dependencia que resulta más difícil de cuantificar que la migración de datos, pero que puede tener mayores repercusiones. Los empleados pierden productividad cada vez que cambia un flujo de trabajo; cuando el cambio implica desmantelar un sistema de inteligencia artificial con el que han evolucionado conjuntamente a lo largo de los años, esa pérdida de productividad es profunda, prolongada y difícil de revertir.

3. Dependencia del modelo

La tercera fuerza, y la más subestimada, es la dependencia del modelo. Cuando los agentes de IA toman decisiones de gran trascendencia —redactar contratos, clasificar las consultas de atención al cliente, generar previsiones financieras—, las organizaciones pasan a depender no solo de la plataforma de software, sino también del comportamiento, la calibración y los patrones de razonamiento de un modelo concreto.

Tu equipo aprende a confiar en los resultados de un modelo concreto. Tus procesos se basan en sus índices de error y en sus casos extremos. Tus marcos de gobernanza se ajustan a sus tendencias específicas. Cuando se actualiza ese modelo —o cuando te planteas cambiar a un competidor cuyo modelo se comporta de forma diferente—, no solo estás cambiando de software. Estás introduciendo incertidumbre sistemática en las decisiones en las que tu organización ha aprendido a confiar.

Reconocer este cambio es el primer paso. Para actuar en consecuencia, es necesario modificar la forma en que los equipos de compras, finanzas y tecnología abordan las relaciones con los proveedores de SaaS basados en IA, y ello debe comenzar en la fase de negociación del contrato, no después de la implementación.

Los contratos deben incluir condiciones propias de las infraestructuras

La portabilidad de los datos, la transparencia de los modelos y los acuerdos de nivel de servicio (SLA) significativos deben negociarse con el mismo rigor que las organizaciones solían reservar para los contratos de los centros de datos. Esto implica incluir cláusulas explícitas para la exportación no solo de los datos, sino también de los artefactos de entrenamiento, las configuraciones de los modelos y la lógica de integración. Implica derechos de auditoría sobre cómo se utilizan los datos para mejorar los sistemas de IA del proveedor. Y implica acuerdos de nivel de servicio (SLA) que abarquen la calidad y la coherencia de los resultados de la IA, y no solo el tiempo de actividad de la plataforma.

La evaluación de proveedores debe tener en cuenta las fases previas

Evaluar hoy en día a un proveedor de SaaS nativo de IA implica evaluar a su proveedor de IA, sus políticas de actualización de modelos, sus prácticas de gobernanza de datos y su hoja de ruta de productos, y no solo su conjunto actual de funciones. Un proveedor que utilice un modelo base de un proveedor con ciclos de actualización agresivos presenta un perfil de riesgo diferente al de uno que ofrezca estabilidad en las versiones de los modelos. Estas cuestiones deben incluirse en la solicitud de propuestas, no en la revisión posterior a la implementación.

El coste total de salida es el nuevo indicador

Los equipos de compras que siguen evaluando las soluciones SaaS basándose únicamente en el coste de las licencias y la adecuación de las funciones están pasando por alto el factor de riesgo más importante. La métrica que realmente importa en la era de la IA es el coste total de salida: el coste económico total que supone abandonar un proveedor, incluyendo la migración de datos, la recapacitación del personal, la reconfiguración de los procesos y el conocimiento institucional que actualmente está integrado en los resultados de la IA. Calcular esta cifra antes de firmar —y no después de la renovación— es lo que distingue a los compradores más sofisticados del resto.

La gobernanza debe extenderse al comportamiento de la IA

Cuando una IA formula una recomendación de gran trascendencia, la cuestión de la responsabilidad no se resuelve por sí sola. Los contratos deben especificar los compromisos relativos a las versiones del modelo, de modo que las organizaciones sepan cuándo cambia la IA en la que se basan sus decisiones. Deben incluir la obligación de que un ser humano anule las decisiones que superen los umbrales definidos. Y deben establecer derechos de auditoría lo suficientemente sólidos como para garantizar el cumplimiento normativo en sectores en los que las decisiones generadas por la IA serán objeto de un escrutinio cada vez mayor.

«Las organizaciones que consideren el AI-SaaS como infraestructura desde el primer momento conseguirán mejores condiciones, crearán arquitecturas más resilientes y evitarán una nueva generación de dependencia de los proveedores».

Nada de esto supone un argumento en contra de la adopción de la IA. Las mejoras en la productividad son reales, las ventajas competitivas se multiplican, y las organizaciones que se quedan al margen mientras otras implementan la IA a gran escala acabarán pagando un precio muy diferente.

Pero la adopción y la intencionalidad no están reñidas. Las organizaciones que están obteniendo buenos resultados con la IA en este momento no están eludiendo el compromiso, sino que lo asumen de forma deliberada, aplicando desde el principio un rigor propio de la infraestructura a sus relaciones con los proveedores. Negocian la portabilidad de los datos antes incluso de haber generado datos que merezcan la pena migrar. Calculan los costes de cambio antes de quedar atados a un proveedor. Plantean las preguntas difíciles sobre la gobernanza de los modelos antes de que la IA se integre en sus flujos de trabajo.

Las organizaciones que tendrán dificultades no son aquellas que se han precipitado con la IA, sino aquellas que han avanzado al ritmo de las suscripciones mientras sus compromisos se han ido desplazando silenciosamente hacia la escala de la infraestructura.

Tu próxima renovación de SaaS no es un simple contrato de software. Es una decisión arquitectónica a cinco años vista. ¿Tu equipo lo está abordando así?

Consideraciones sobre la adquisición: el SaaS de la era de las suscripciones frente al de la era de la IA

Lista de verificación de 5 preguntas para la revisión de contratos de IA como servicio (SaaS)

Antes de firmar o renovar cualquier contrato de SaaS con tecnología de IA, tu equipo debería ser capaz de responder a estas preguntas.

• ¿Incluye este contrato derechos explícitos de portabilidad de datos en caso de que decidamos rescindirlo?
• ¿Qué modelo o modelos de IA sustentan estas funciones, y cuál es la política del proveedor en cuanto a actualizaciones de modelos o cambios de versión?
• ¿Cuáles son nuestros derechos de auditoría sobre los resultados y las recomendaciones generados por la IA?
• ¿Hemos calculado el coste total del cambio, incluyendo la migración de datos, la recapacitación del personal y la reorganización de los procesos?
• ¿Especifica nuestro contrato la obligación de intervención humana en las decisiones de la IA que tengan consecuencias?